Rydde, transformere og laste inn data med Klassisk dataklargjøring

Bruk en oppskrift til å rense og kombinere data fra flere datasett eller tilkoblede objekter. Legg til samlekategorier og formelfelt, filtrer rader, transformer feltverdier, konverter felttyper og standardiser datoformater. Du kan deretter sende resultatet til et nytt datasett.

Når du er klar, følger du disse trinnene for å opprette en oppskrift.

• Bør jeg bruke Klassisk dataklargjøring eller Dataklargjøring?
  CRM Analytics har to versjoner av Dataklargjøring: Klassisk dataklargjøring og Dataklargjøring. Dataklargjøring er den nyeste versjonen som erstatter den forrige versjonen, Klassisk dataklargjøring. Oppskrifter som bygges med Dataklargjøring, kan ikke åpnes i Klassisk dataklargjøring. Når du åpner en Klassisk dataklargjøring-oppskrift, blir den oppgradert til og åpnes i Dataklargjøring. Fra og med Winter '21-utgivelsen kan du ikke lenger opprette oppskrifter i Klassisk dataklargjøring.
• Opprette en oppskrift med Klassisk dataklargjøring
  Bruk en Klassisk dataklargjøring-oppskrift til å transformere data før de lastes inn i et datasett. Bare Government Cloud-brukere kan opprette oppskrifter med Klassisk dataklargjøring. Alle andre brukere, inkludert de som bruker Government Cloud Plus, må bruke Dataklargjøring til å opprette oppskrifter.
• Konfigurere forhåndsvisningen i en oppskrift
  En oppskrift viser en forhåndsvisning av dine i en Forhåndsvisning-fane mens du arbeider. Du kan angi hvilke kolonner og antall rader som skal vises i denne forhåndsvisningen. Hvis du arbeider med et stort sett data, vil reduksjon av størrelsen føre til raskere dataoppdatering etter hvert som du legger til trinn i oppskriften.
• Legge til flere data i en oppskrift
  Du kan legge til kolonner med data fra relaterte objekter til eksisterende data i en oppskrift. Avhengig av hvordan du vil kombinere de nye dataene, bruker du en av følgende metoder: oppslag, venstre kobling, høyre kobling, indre kobling eller full ytre kobling.
• Legge til rader i en oppskrift med Føy til
  Bruk tilføying for å legge til rader til data i oppskriften fra et annet datasett eller tilkoblet objekt. Felt tilordnes automatisk, eller du kan tilordne dem manuelt.
• Rydde og klargjøre data intelligent med kolonneprofiler og smarte forslag
  Kolonneprofilen gir deg viktig innsikt i kvaliteten som dataene har, og foreslår ytterlige transformasjoner for å hjelpe deg å rydde og klargjøre dataene. Denne profilen er spesielt nyttig når du kombinerer data fra forskjellige kilder, der inkonsistens ofte opptrer.
• Legge til et filter i en oppskrift
  Filtrer data i en oppskrift for å fjerne rader som du ikke trenger i måldatasettet.
• Kategorisere et måleverdifelt i en oppskrift
  Legg til et felt i en oppskrift for å kategorisere verdier i et angitt måleverdifelt.
• Kategorisere et dimensjonsfelt i en oppskrift
  Legg til et felt i en oppskrift for å kategorisere verdier i et angitt dimensjonsfelt.
• Kategorisere et datofelt i en oppskrift
  Legg til et felt i en oppskrift for å kategorisere verdier i et angitt datofelt.
• Legge til et formelfelt i en oppskrift
  Legg til et formelfelt for å beregne nye verdier fra målinger dimensjoner og i oppskriften din.
• Aggregere og gruppere data på et annet detaljnivå
  Store datasett kan være vanskelige å få oversikt over på grunn av mengden informasjon og detaljer på lavere nivå. Ved aggregering kan disse datasettene oppsummeres på et høyere nivå, slik at brukere kan opprette gjentakende oppsummeringsstatistikker og sette sammen datasett med ulikt detaljnivå. Du kan også aggregere data for å utføre beregninger på grupperte poster uten å aggregere målingene. Du kan for eksempel gruppere etter økt-IDer på et nettsted og deretter beregne gjennomsnittstiden for hver side og totalt antall klikk.
• Transformere felt i en oppskrift
  Data er ikke alltid konsistente, spesielt når du kombinerer data fra forskjellige kilder. I en oppskrift kan du transformere felt for å sikre at verdier blir konsistente i måldatasettet. Endre små og store bokstaver og del opp verdier slik at du får bare de delene du trenger, og erstatt verdier med feil.
• Standardisere datoformater
  Hvis et dimensjonsfelt inneholder datoer i forskjellige formater, bruker du oppskriftstransformasjonen Formater datoer til å standardisere formatet for alle verdier i feltet. Et konsekvent format lar deg filtrere og gruppere poster etter dato på riktig måte, inkludert å filtrere etter datokomponent, som måned. Det sikrer også at du kan konvertere felttype riktig fra dimensjon til dato.
• Konvertere felttyper i en oppskrift
  Typen som er tildelt et datasettfelt, bestemmer hvordan du kan spørre dette feltets data. Du kan for eksempel filtrere og gruppere etter en dimensjon eller et datofelt, eller du kan utføre matematiske beregninger på et målingsfelt. Når du laster inn data i et datasett, koder CRM Analytics noen ganger et datasettfelt med feil type. Du kan om nødvendig konvertere slike felt til riktig type.
• Forutsi manglende verdier i dimensjonskolonner
  Når et datasett eller tilkoblet objekt mangler verdier i en dimensjonskolonne, kan CRM Analytics fylle ut de manglende verdiene for å gjøre dataene komplette. CRM Analytics forutsier verdier intelligent basert på verdier i andre sterkt korrelerte kolonner i dataene.
• Navigere i kolonner i en oppskrift
  Etter hvert som du legger til data og transformerer felt, øker antall kolonner i forhåndsvisningen av oppskriften, noe som gjør det vanskeligere å finne kolonnene du vil arbeide med. Bruk kolonnevisningen til raskt å finne kolonnene du trenger, og skjule dem du ikke trenger.
• Navigere i og redigere oppskriftstrinn
  Når du klargjør dataene dine, vises hver endring som du gjør, som et oppskriftstrinn til venstre. Tenk på disse trinnene som oppskriftshistorikken din. Du kan bevege deg frem og tilbake gjennom denne historikken for å se hvordan dataene ser ut i ulike faser av oppskriften. Hvis du ikke liker det du ser, kan du redigere eller fjerne hvilket som helst trinn.
• Lagre en oppskrift
  Hvis du ikke er klar til å opprette måldatasettet, lagrer du oppskriften og kommer tilbake til den senere. Det lagrer trinnene dine uten at du trenger å opprette datasettet.